記事「母集団最適化アルゴリズム：SSG（Saplings Sowing and Growing up、苗木の播種と育成）」についてのディスカッション - ページ 2 123456789...13 新しいコメント Andrey Dik 2023.03.22 09:48 #11 Andrey Dik #:ZY.このトピックに興味をお持ちの皆さんに興味深い質問です。（FF値の違いを考慮しない）局所的極大と全体的極大の違いは何ですか？ 何もない。 mytarmailS 2023.03.23 13:27 #12 fxsaber #:針アンテナを数本。 あなたが何をしたいのかよく理解できないので、ボードの品質を保証することはできませんが...。あなたがより良い解決策/セットを見つけたいことは理解しています。あなたのシステムのパラメータ。つまり、関数の最小値をいくつか見つけたいということですね。それなら、大域的最適化アルゴリズム（例えば遺伝的アルゴリズム）を何回か実行し、最適最小値に近い、異なる解をいくつか得ればいい。 Andrey Dik 2023.03.23 15:07 #13 mytarmailS #: あなたが何をしたいのかよく分からないので、アドバイスの質を保証するものではありませんが...。 あなたが最善の解決策/セットを見つけたいのは理解しています。どのようなシステムをお持ちなのか、パラメータをお聞かせください。 つまり、ある関数の極小値をいくつか見つけたい... そして、遺伝的アルゴリズムなどの大域的最適化アルゴリズムを数回実行し、最適最小値に近い、異なる複数の解を得る...。 それが必要なのだ： fxsaber 2023.03.23 19:09 #14 Andrey Dik #:それが必要なんだ そうではない。GAが写真のような関数を100ステップしたとする。そのうち90回はグローバルに近い値になる。それが、取る価値のある近いものの集まりだ。 もしハリネズミを扱っているのであれば、いくつかの点の周りにたくさんのミニクラスターができるだろう。それらの点こそが必要なのだ。GAは、その周りの狭い空間を通して、クラスターの座標を絞り込むことができる。 大雑把に言えば、GAの結果をクラスターに分類し、各クラスターを狭い最適化で仕上げる必要がある。TCにとって "興味深い "入力パラメータのセットを得る。 Andrey Dik 2023.03.23 19:24 #15 fxsaber #:そうでもないよ。GAが写真のような関数で100ステップを踏んだとする。そのうち90回はグローバルに近い結果になる。これは、取る価値のある近いもののクラスターである。もしハリネズミを扱っているのであれば、いくつかの点の周りにたくさんのミニクラスターができる。それらの点こそが必要なのだ。GAはその周りの狭い空間を通してクラスターの座標を絞り込むことができる。大雑把に言えば、GAの結果をクラスターに分類し、各クラスターを狭い最適化で仕上げる必要がある。TCにとって "興味深い "入力パラメータのセットを得る。 そうだろう？ fxsaber 2023.03.23 19:32 #16 Andrey Dik #: それだけか？ そうですね。最適化のたびに、見つかったグローバルな空間の塊（入力の80％とか、その辺にあるもの）を切り取れば、それですべてが見つかると思います。 fxsaber 2023.03.23 19:39 #17 図5：フォレストテスト 関数。 TCの完全な列挙中に見られるものを見事に視覚化している。もちろん、ここでは3Dは2つの入力パラメータである。しかし、スライド／スパイクははっきりと見える。TCにとって、スパイクは一般的に悪である。一方、ヒルトップは最も興味深い。 スパイクが悪であることについて。TCの場合、それはランダム性であり、（最適化基準に 関係なく）タイトフィットである。 fxsaber 2023.03.23 19:51 #18 fxsaber #:そうですね。最適化のたびに、見つかったグローバルな空間の塊（入力の80％とか、その辺にあるもの）を切り取れば、それですべてが見つかると思います。 そのようなチャンクは、各入力パラメータの与えられた区間によって特徴付けられる。ですから、カット領域のデータさえあれば、（標準的なTesterでも）この空間がなくても、非常に簡単に最適化を実行することができます。 しかし、GAの結果で発見されたグローバルな最大値の周辺をどのように定義するのか、私には全く力量がありません。 簡単な例です。あるTCで最適化を実行しました。入力のセットを出力して終了した。これらの集合の中で、多次元点の最も顕著な（点の数を球の最小半径で割った）クラスターを見つける必要がある。 Anatoli Kazharski 2023.03.23 19:55 #19 fxsaber 最適化基準に 関係なく）タイトフィットです。 必要なのは、すべての丘を見つけて、さらに作業できるすべてのパラメータの範囲を与えるモードです。 その後の最適化は、そのようなロバストネスの丘の範囲内でしか行えない。 fxsaber 2023.03.23 19:58 #20 fxsaber #:最も興味深いのは丘の上だ。 そのような丘には多くの用途が考えられる。最もポピュラーなものは、そのようなヒルトップのポートフォリオである。これは非常に安定したサブTSポートフォリオであることがわかる。 123456789...13 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
ZY.このトピックに興味をお持ちの皆さんに興味深い質問です。（FF値の違いを考慮しない）局所的極大と全体的極大の違いは何ですか？
何もない。
針アンテナを数本。
あなたが何をしたいのかよく分からないので、アドバイスの質を保証するものではありませんが...。
それが必要なのだ：
それが必要なんだ
そうではない。GAが写真のような関数を100ステップしたとする。そのうち90回はグローバルに近い値になる。それが、取る価値のある近いものの集まりだ。
もしハリネズミを扱っているのであれば、いくつかの点の周りにたくさんのミニクラスターができるだろう。それらの点こそが必要なのだ。GAは、その周りの狭い空間を通して、クラスターの座標を絞り込むことができる。
大雑把に言えば、GAの結果をクラスターに分類し、各クラスターを狭い最適化で仕上げる必要がある。TCにとって "興味深い "入力パラメータのセットを得る。
そうでもないよ。GAが写真のような関数で100ステップを踏んだとする。そのうち90回はグローバルに近い結果になる。これは、取る価値のある近いもののクラスターである。
もしハリネズミを扱っているのであれば、いくつかの点の周りにたくさんのミニクラスターができる。それらの点こそが必要なのだ。GAはその周りの狭い空間を通してクラスターの座標を絞り込むことができる。
大雑把に言えば、GAの結果をクラスターに分類し、各クラスターを狭い最適化で仕上げる必要がある。TCにとって "興味深い "入力パラメータのセットを得る。
そうだろう？
それだけか？
そうですね。最適化のたびに、見つかったグローバルな空間の塊（入力の80％とか、その辺にあるもの）を切り取れば、それですべてが見つかると思います。
図5：フォレストテスト 関数。
TCの完全な列挙中に見られるものを見事に視覚化している。もちろん、ここでは3Dは2つの入力パラメータである。しかし、スライド／スパイクははっきりと見える。TCにとって、スパイクは一般的に悪である。一方、ヒルトップは最も興味深い。
スパイクが悪であることについて。TCの場合、それはランダム性であり、（最適化基準に 関係なく）タイトフィットである。
そうですね。最適化のたびに、見つかったグローバルな空間の塊（入力の80％とか、その辺にあるもの）を切り取れば、それですべてが見つかると思います。
そのようなチャンクは、各入力パラメータの与えられた区間によって特徴付けられる。ですから、カット領域のデータさえあれば、（標準的なTesterでも）この空間がなくても、非常に簡単に最適化を実行することができます。
しかし、GAの結果で発見されたグローバルな最大値の周辺をどのように定義するのか、私には全く力量がありません。
簡単な例です。あるTCで最適化を実行しました。入力のセットを出力して終了した。これらの集合の中で、多次元点の最も顕著な（点の数を球の最小半径で割った）クラスターを見つける必要がある。
必要なのは、すべての丘を見つけて、さらに作業できるすべてのパラメータの範囲を与えるモードです。
その後の最適化は、そのようなロバストネスの丘の範囲内でしか行えない。
最も興味深いのは丘の上だ。